基于维度特征的RANSAC建筑物点云分割算法.pdf

第 26卷第 1期 测 绘 工 程 Vo1．26．No．1 2016年 1月 EngineeringofSurveyingandM apping Jan．，2O16 引用著录：刘闯，花向红 ，田茂，等．基于维度特征的RANSAC建筑物点云分割算法 [J]．测绘工程 ，2017，26(1)：64—68 Ix)I：10．19349／j．cnki．issnl006—7949．2017．01．014 基于维度特征的RANSAC建筑物点云分割算法 刘 闯 ，花向红 ，田 茂 ，袁 达 (1．武汉大学 测绘学院，湖北 武汉 430079；2．武汉大学 灾害监测与防治中心，湖北 武汉 430079) 摘 要：提出一种 以建筑物表面形状特征为分割依据的改进 RANSAC点云分割算法。该算法 以主成分分析算法为 基础计算维度特征和熵函数，并以熵函数最小准则确定最优邻域，继而进行表面形状分类，运用法向量夹角作为约 束条件对分类结果进行优化。将分类结果作为随机抽样一致性 (RANSAC)点云分割算法的模型选择依据，进行建 筑物表面分割，采用法向量和距离等约束条件对分割结果进行优化，从而分割出具有不同形状的特征表面。实验表 明：文中提出的改进的RANSAC点云分割算法是可行的，能有效保留表面特征。 关键词：维度特征；熵甬数；点云数据 ；建筑物表面形状 ；改进的RANSAC算法 中图分类号：P207 文献标识码 ：A 文章编号：1006—7949(2017)010064—05 An improvedRANSAC algorithm basedondimension featurein 3D pointcloudofbuildings LIU Chuang ，HUA Xianghong ，TIAN Mao一，YUAN Da， (1．SchoolofGeodesy andGeomatics，W uhanUniversity，W uhan 430079，China；2．HazardMonitoringand Prevention ResearchCenter，W uhanUniversity，W uhan430079，China) Abstract：AnimprovedRANSAC algorithm forcomplexsurfaceshapefeatureinbuildingsisproposed in thispaper．The dimension characteristicsand the entropy functions are calculated，and the optimal neighborhoodisdeterminedbythecriterionoftheminimum valueofentropyfunction，andtheSUrface shapeisclassified．Theprecisionoftheclassificationresultisimprovedbytheangleofthenormalvectors ． Modelsareselectedinrandom sampling(RANSAC)algorithm basedontheclassificationresults，thenthe surfacesofbuildingaresegmented．Themoreprecisesurfacesaresegmented bythenormalvectorand distanceconstraints．ExperimentshowsthattheimprovedRANSACalgorithm isfeasible，andthesurface characteristicscanbeeffectivelykept． Keywords：dimension characteristic；entropy function；poi